文章 "使用PSAR、Heiken Ashi和深度学习进行交易"

 

新文章 使用PSAR、Heiken Ashi和深度学习进行交易已发布:

本项目探索深度学习与技术分析的融合,用于在外汇市场测试交易策略。使用Python脚本进行快速实验,结合ONNX模型和传统指标(如PSAR、SMA和RSI)来预测欧元/美元(EUR/USD )的走势。之后,MQL5脚本将此策略引入实时环境,利用历史数据和技术分析帮助交易者做出明智的交易决策。回测结果表明,该策略秉持保守且稳健的运作理念,始终将风险管控置于首位,追求持续稳定的收益增长模式,摒弃激进逐利的行为。


回测

EA图表

EA的结果,犹如一面多维度棱镜,深度解析了该策略在历史数据模拟中的底层运行逻辑与实战级表现特征。从10,000美元的初始存款开始,该策略实现了17个单位的适度总净盈利,表明尽管它确实产生了利润,但相对于初始投资额度而言,利润相对较小。余额曲线反映了这种逐渐增长,显示出随时间稳定(尽管缓慢)的上升趋势。

其中一个突出的指标是4.39的盈利因子。这是一个相当不错的结果,表明该策略每承担1单位的风险,就能获得4.39单位的回报。它暗示EA在最大化利润方面相对于损失是有效的。4.48的恢复因子进一步支持了这一点,表明该策略能够有效地从回撤中恢复,这是其稳健性的积极信号。然而,值得注意的是5.25的夏普比率。尽管这个比率相对较高,通常表明良好的经风险调整后的回报,但总体上较小的利润表明该策略可能承担了非常小的风险,从而获得有限的绝对利润。


作者:Javier Santiago Gaston De Iriarte Cabrera